CN111709940B - 一种基于机器视觉的电容缺陷检测方法 - Google Patents

一种基于机器视觉的电容缺陷检测方法 Download PDF

Info

Publication number
CN111709940B
CN111709940B CN202010567376.6A CN202010567376A CN111709940B CN 111709940 B CN111709940 B CN 111709940B CN 202010567376 A CN202010567376 A CN 202010567376A CN 111709940 B CN111709940 B CN 111709940B
Authority
CN
China
Prior art keywords
capacitor
defect detection
image data
defects
detected
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010567376.6A
Other languages
English (en)
Other versions
CN111709940A (zh
Inventor
肖苏华
罗文斌
吴建毅
曹应斌
赖南英
刘宁
何林聪
林锐豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Hengyue Heavy Steel Steel Structure Engineering Co ltd
Original Assignee
Hunan Hengyue Heavy Steel Steel Structure Engineering Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Hengyue Heavy Steel Steel Structure Engineering Co ltd filed Critical Hunan Hengyue Heavy Steel Steel Structure Engineering Co ltd
Priority to CN202010567376.6A priority Critical patent/CN111709940B/zh
Publication of CN111709940A publication Critical patent/CN111709940A/zh
Application granted granted Critical
Publication of CN111709940B publication Critical patent/CN111709940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

发明公开了一种基于机器视觉的电容缺陷检测方法，检测方法如下：步骤A.图像数据采集：将电容固定到运动控制系统；运动控制系统转动电容；图像采集系统在电容转动过程中采集电容表面的图像数据，获取电容表面的高度图及深度图；图像采集系统对图像数据进行预处理并输出；步骤B.创建电容表面编码模板；步骤C.缺陷检测；与现有技术相比，本发明的电容缺陷检测方法，既可以检测电容的类型，又可以检测电容表面的凸包缺陷和凹陷缺陷，且只有当电容类型检测合格，缺陷检测系统才进行包胶位置检测；只有当包胶位置检测合格，缺陷检测系统才进行电容表面缺陷检测，既可以保证电容的一致性，又可以检测电容缺陷，可靠性和准确度高，检测速度快高。

Description

一种基于机器视觉的电容缺陷检测方法
技术领域
发明涉及电容缺陷检测技术领域，具体地，涉及一种基于机器视觉的电容缺陷检测方法。
背景技术
电容表面的缺陷包括凸包缺陷和凹陷缺陷，目前电容生产厂家在电容缺陷检测方面多数还是采用人工肉眼检测的方法，存在着检测速度慢、检测效率不高和受主观性影响比较大等问题，这种检测手段不足以满足企业的现代化生产要求，成为了制约企业生产的瓶颈。
发明内容
发明的目的在于提供一种基于机器视觉的电容缺陷检测方法，其用于解决上述技术问题。
一种基于机器视觉的电容缺陷检测方法，基于一种缺陷检测装置，该缺陷检测装置包括图像采集系统、运动控制系统和缺陷检测系统，图像采集系统包括相机支架、激光相机和计算机，相机支架用于固定激光相机，激光相机用于采集待检测电容的图像数据并将图像数据传输给计算机，所采取的图像数据包括高度图和深度图；运动控制系统用于固定待检测的电容并在图像采集系统采集电容表面的图像数据时转动电容，缺陷检测系统为安装于计算机内的缺陷检测软件；缺陷检测系统通过对高度图进行模板匹配，对电容的类型进行识别，缺陷检测系统通过对深度图的点云进行三维重建，检测电容表面的凸包缺陷和凹陷缺陷；具体检测方法如下：
步骤A.图像数据采集：
将电容固定到运动控制系统；
运动控制系统转动电容；
图像采集系统在电容转动过程中采集电容表面的图像数据，获取电容表面的高度图及深度图；
图像采集系统对图像数据进行预处理并输出；
步骤B.创建电容表面编码模板；
步骤C.缺陷检测；
其中，步骤C包括：
电容类型检测：缺陷检测系统通过将获取的图像数据与电容表面编码模板进行匹配，检测电容类型；
包胶位置检测；缺陷检测系统通过检测电容表面编码位置判定电容包胶是否合格；
电容表面缺陷检测:缺陷检测系统根据图像采集系统采集的图像数据检测电容表面的凸包缺陷和凹陷缺陷；
只有当电容类型检测合格，缺陷检测系统才进行包胶位置检测；只有当包胶位置检测合格，缺陷检测系统才进行电容表面缺陷检测。
根据发明的一实施方式，创建电容表面编码模板包括以下步骤：
获取标准图片；
选取电容表面编码的ROI区域；
制作基于形状的模板匹配的电容表面编码模板。
根据发明的一实施方式，电容类型检测包括以下步骤：
获取图像数据：缺陷检测系统获取待检测电容的高度图；
模板匹配：缺陷检测系统通过将获取的图像数据与电容表面编码模板进行匹配，检测电容类型；
输出检测结果：若待检测的电容的图像数据与电容表面编码模板匹配，则进行包胶位置检测，不匹配，则输出检测结果并结束检测。
根据发明的一实施方式，包胶位置检测包括以下步骤：
检测电容表面编码模板的行坐标A；
测量待检测电容表面的编码的行坐标a；
将a与A进行对比；
输出检测结果：若a＞A+5，则判定电容包胶偏上；若a＜A-5，则判定电容包胶偏下；若A-5＜a＜A+5，则判定为合格。
根据发明的一实施方式，将电容固定到运动控制系统的步骤中，运动控制系统固定的是待检测电容的电极。
根据发明的一实施方式，图像采集系统对图像数据进行预处理包括以下步骤：
使用深度图像重建点云数据；
点云滤波平滑；
点云分割；
保存点云模型。
根据发明的一实施方式，电容表面缺陷检测包括以下步骤：
设置缺陷公差d；
读取点云模型；
获取点云高度坐标数组；
计算点云高度坐标数组最大值H1、最小值H2和均值H；
将最大值H1和最小值H2与均值H进行对比；
输出检测结果：若H1＞H+d，则判定为凸包缺陷；若H2＜H-d，则判定为凹陷缺陷，其他，则判定为合格。
根据发明的一实施方式，电容表面缺陷检测还包括标识缺陷的步骤，在本步骤中，凸包缺陷在图像中用红色标识，凹陷缺陷在图像中用黄色标识。
与现有技术相比，发明的基于机器视觉的电容缺陷检测方法具有以下优点：
发明的基于机器视觉的电容缺陷检测方法，运动控制系统配合图像采集系统转动电容来完成的图像数据的采集，缺陷检测系统用电容表面的图像检测电容类型，用电容表面的点云检测电容表面的凹凸缺陷，既可以检测电容的类型，又可以检测电容表面的凸包凹陷缺陷，只有当电容类型检测合格，缺陷检测系统才进行包胶位置检测；只有当包胶位置检测合格，缺陷检测系统才进行电容表面缺陷检测，既可以保证电容的一致性，又可以检测电容缺陷，可靠性和准确度高，检测速度快。
附图说明
图1为本发明的基于机器视觉的电容缺陷检测装置的结构示意图；
图2为本发明的基于机器视觉的电容缺陷检测装置的相机支架的结构示意图；
图3为本发明的基于机器视觉的电容缺陷检测装置的电容夹具的结构示意图；
图4为采用本发明的基于机器视觉的电容缺陷检测方法检测电容的流程图；
图中：1.相机支架、11.底座、12.下支撑杆、13.上支撑杆、14.横梁、15.纵向调整件、151.纵向连接座、152.纵向调整丝杆、16.横向调整、161.横向连接座、162.横向调整丝杆、17.相机加紧件、171.U型板、172.相机固定块、173.固定螺钉、174.固定螺母、2.激光相机、3.运动控制系统、31.步进电机、32.电容夹具、33.联轴器
发明功能的实现及优点将结合实施例，参照附图做进一步说明。
具体实施方式
以下将以图式揭露发明的多个实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制发明。也就是说，在发明的部分实施方式中，这些实务上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。
需要说明，发明实施例中所有方向性指示(诸如上、下、左右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在发明中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定发明，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在发明要求的保护范围之内。
为能进一步了解发明的内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下：
实施例一：
请参阅图1至图3，图1为本实施例的基于机器视觉的电容缺陷检测装置的结构示意图；图2为本实施例的基于机器视觉的电容缺陷检测装置的相机支架的结构示意图；图3为本实施例的电容夹具的结构示意图。如图所示，本实施例提供了一种缺陷检测装置，本实施例的缺陷检测装置包括图像采集系统、运动控制系统和缺陷检测系统，图像采集系统包括相机支架1、激光相机2和计算机（图中未标示），相机支架1用于固定激光相机2，激光相机2用于采集待检测电容的图像数据并将图像数据传输给计算机，所采取的图像数据包括高度图和深度图；运控控制系统3用于固定待检测的电容并在图像采集系统采集电容表面的图像数据时转动电容，缺陷检测系统为安装于计算机内的缺陷检测软件；缺陷检测系统通过对高度图进行模板匹配，对电容的类型进行识别，缺陷检测系统通过对深度图的点云进行三维重建，检测电容表面的凸包缺陷和凹陷缺陷。
请复阅图2，如图所示，在本实施例中，相机支架1包括底座11、下支撑杆12、上支撑杆13、横梁14、纵向调整件15、横向调整件16和相机加紧件17，下支撑杆12设于底座11，上支撑杆13套设于下支撑杆12，且可以通过调整上支撑杆13与下支撑杆12的套接位置，调整相机支架1的总体高度，横梁14连接于上支撑杆13，纵向调整件15与横梁14连接，横向调整件16与纵向调整件15连接，相机加紧件17与机横向调整件16连接，相机夹紧件17将激光相机2加紧后，纵向调整件15可以对激光相机2的高度进行微调，横向调整件16可以对激光相机2沿横向进行微调，使激光相机2与电容对准。
请复阅图2，如图所示，在本实施例中，纵向调整件15包括纵向连接座151和纵向调整丝杆152，横向调整件16包括横向连接座161和横向调整丝杆162，纵向连接座151与横梁14连接，纵向调整丝杆152设于连接座151，横向连接座161通过丝杆螺母滑动连接于纵向调整丝杆152，横向调整丝杆162设于横向连接座162，相机夹紧件17通过丝杆螺母滑动连接于横向调整丝杆162。
请复阅图2，如图所示，在本实施例中，相机加紧件17包括U型板171、两个相机固定块172、两个固定螺钉173和两个固定螺母174，两个固定螺母174分别将两个固定螺钉173连接于U型板171的左右两端，两个相机固定块172分别于两个固定螺钉173连接，并在激光相机2安装到相机加紧件17上时从激光相机2的两端加紧激光相机2。
本实施例的激光相机2采用SmartRay公司的基于激光三角原理的3D相机，SmartRay的3D相机由激光装置和工业相机封装而成，使用灵便，可以采集电容表面的点云数据用于凸包缺陷和凹陷缺陷检测，也可采集电容表面的图像用于电容类别检测。由于待检测的圆柱体电容需要360度扫描，采集电容表面数据时，激光相机2固定，运动控制系统3转动待检测电容，配合激光相机2进行图像采集。
在本实施例中，激光相机2采集的图像信息为高度图和深度图，高度图用于电容类别检测，激光相机2采集到深度图后，根据深度图重建点云数据，并以点云模板方式输出图片信息，以供缺陷检测系统检测电容表面缺陷。
请复阅图1，如图所示，在本实施例中，运动控制系统3包括运动控制卡、步进驱动器、步进电机31、电容夹具32和联轴器33，电容夹具32与步进电机31的输出端通过联轴器33连接，步进电机31的转动将采用运动控制卡控制，运动控制卡连接步进驱动器，并给步进驱动器发送转动脉冲信号；而步进驱动器连接步进电机31，当步进驱动器接收到来自运动控制卡的转动脉冲信号后，将驱动步进电机31转动一周，从而带动电容转动一周完成表面信息采集。
由于电容的圆柱表面即是需要检测的表面，而电容夹具32需要夹住电容的两根电极带动电容转动。对电容夹具32的要求如下：能平稳夹住电极不脱落；需要能连接联轴器33并且跟随联轴器33转动；形状不能过大，不能影响激光相机2扫描采集数据；结构尽量简单，方便使用。请复阅图1及3，如图所示，本实施例的电容夹具32是采用插孔的方式来固定电极。电容夹具32的主体是跟电容外形差不多的圆柱体，主体40mm长，直径12mm，一边延伸一根长20mm直径5mm的轴用于连接联轴器33，而在圆柱体上面与电容的电极对应位置开对称的四个开孔321，开孔321的大小比电容的电极直径大一点，使用时将待检测电容的电极插进开孔321里，利用电极变形产生的力与孔壁相互作用从而能固定住电容，电容夹具32能平稳夹住电容转动又不会产生绕线的问题，能连接联轴器33又不会影响激光相机2进行数据采集，且结构简单使用方便。
在本实施例中，缺陷检测系统主要使用HALCON实现检测算法开发，用电容表面的图像检测电容类型，用电容表面的点云检测电容表面的凹凸缺陷，然后导出C++代码封装检测算法，最后由MFC实现软件交互界面设计。
本实施例的缺陷检测装置，运动控制系统3带动电容转动配合图像采集系统对电容表面的图像数据进行采集，最后将图像采集系统采集的电容表面数据用MFC开发好的软件程序检测缺陷。离线的MFC检测软件，可一键加载检测图像和点云模板，再一键完成缺陷检测，两步即可实现缺陷检测；而且可以切换检测电容型号，一步加载电容图像，再一步选取电容编码区域创建模板，即可完成更换检测电容；并且检测的电容表面凹凸缺陷可以根据需要设定公差，从而实现缺陷标准的界定。经过离线测试，系统能稳定分辨出电容类型，能可靠检测出电容表面的凹凸缺陷，并以点云可视化的方式展示出表面点云的缺陷部位。
实施例二：
请参阅图4，图4为本实施例的检测方法的流程图。如图所示，基于机器视觉的电容缺陷检测方法，采用实施例一所述的缺陷检测装置，具体检测方法如下：
步骤A.图像数据采集：
将电容固定到运动控制系统：将待检测电容的电极插进电容夹具32的开孔321里，使电容夹具32将待检测电容固定；
运动控制系统转动电容：运动控制卡控制步进电机31的转动，运动控制卡给步进驱动器发送转动脉冲信号，当步进驱动器接收到来自运动控制卡的转动脉冲信号后，将驱动步进电机31转动一周，从而带动电容转动一周；
图像采集系统在电容转动过程中采集电容表面的图像数据，获取电容表面的高度图及深度图；
图像采集系统对图像数据进行预处理并输出；
步骤B.创建电容表面编码模板；
步骤C.缺陷检测：缺陷检测系统根据图像采集系统采集的电容表面数据进行缺陷检测；
其中，步骤C包括：
电容类型检测：缺陷检测系统通过将获取的图像数据与电容表面编码模板进行匹配，检测电容类型，用以检测电容类型是否一致；
包胶位置检测；缺陷检测系统通过检测电容表面编码位置判定电容包胶是否合格；
电容表面缺陷检测:缺陷检测系统根据图像采集系统采集的图像数据检测电容表面的凸包缺陷和凹陷缺陷；
只有当电容类型检测合格，缺陷检测系统才进行包胶位置检测；只有当包胶位置检测合格，缺陷检测系统才进行电容表面缺陷检测。
在本实施例中，创建电容表面编码模板包括以下步骤：
获取标准图片：标准图片可以通过步骤A获取，也可以直接从计算机中加载标准图片；
选取电容表面编码的ROI区域；
制作基于形状的模板匹配的电容表面编码模板。
在本实施例中，电容类型检测包括以下步骤：
获取图像数据：缺陷检测系统获取待检测电容的高度图；
模板匹配：缺陷检测系统将获取的高度图与电容表面编码模板进行匹配，匹配过程为利用制作好的模板在待匹配图像左上角开始，沿左到右，上往下的路径移动一遍，从而匹配出与模板重合度最高的区域，即可以定位出模板区域；
输出检测结果：若待检测的电容的图像数据与电容表面编码模板匹配，则进行包胶位置检测，不匹配，则输出检测结果并结束检测。
在本实施例中，包胶位置检测包括以下步骤：
检测电容表面编码模板的行坐标A；
测量待检测电容表面的编码的行坐标a；
将a与A进行对比；
输出检测结果：若a＞A+5，则判定电容包胶偏上；若a＜A-5，则判定电容包胶偏下；若A-5＜a＜A+5，则判定为合格。
在本实施例中，图像采集系统对图像数据进行预处理包括以下步骤：
使用深度图像重建点云数据：激光相机2采集到电容表面的深度图后，直接获取深度图区域的点集，并提取点集，在获取深度图的像素值后，将深度图的像素值填充到Z平面，创建点云模型；点云三维重建是提取深度图的数据作为Z平面，结合创建的X和Y平面重建为点云；
点云滤波平滑：由于激光相机2采集时候受环境光等影响采集的偏离实际值的点，产生离群点，点云滤波处理主要是为了去掉点云中的一些离群点，同时进行平滑处理；
点云分割；点云分割的目的是分割提取出待检测的区域，使用聚类分割方法将非检测区域去除，剩余检测点云区域再进一步分割，使用随机采样一致性算法；
保存点云模型；后续点云缺陷检测时，缺陷检测系统只需要直接读取点云模型文件即可。
在本实施例中，电容表面缺陷检测包括以下步骤：
设置缺陷公差d；
读取点云模型；
获取点云高度坐标数组；
计算点云高度坐标数组最大值H1、最小值H2和均值H；
将最大值H1和最小值H2与均值H进行对比；
输出检测结果：若H1＞H+d，则判定为凸包缺陷；若H＜H-d，则判定为凹陷缺陷，其他，则判定为合格；
标识缺陷：凸包缺陷在图像中用红色标识，凹陷缺陷在图像中用黄色标识。可以使缺陷位置可视化。
本实施例的检测方法，适用于离线检测，图像采集系统采集待检测电容表面的图像数据后，先将高度图存储于计算机，然后将深度图进行点云重建，创建点云模型，然后存储于计算机；当需要对电容表面进行缺陷检测时，缺陷检测系统将已经采集好的电容表面图像和表面点云模型通过选取加载进来进行检测，先对高度图进行模板匹配，检测电容的类型是否一致；当电容类型一致时，在通过检测电容表面编码位置，检测电容表面包胶是否偏移；当电容表面包胶没有偏移时，在通过点云模型内侧电容表面的凸包缺陷和凹陷缺陷，最初显示检测结果。
本实施例先进行电容类型检测，将不同类型的电容剔除出去，只有当电容类型检测合格，缺陷检测系统才进行包胶位置检测；只有当包胶位置检测合格，缺陷检测系统才进行电容表面缺陷检测，可以保证产品的一致性。
以上仅为发明的较佳实施例而已，并不用以限制发明，凡在发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在发明的保护范围之内。

Claims (7)

1.一种基于机器视觉的电容缺陷检测方法，基于一种缺陷检测装置，该缺陷检测装置包括图像采集系统、运动控制系统和缺陷检测系统，图像采集系统包括相机支架、激光相机和计算机，相机支架用于固定激光相机，激光相机用于采集待检测电容的图像数据并将图像数据传输给计算机，所采取的图像数据包括高度图和深度图；运控控制系统用于固定待检测的电容并在图像采集系统采集电容表面的图像数据时转动电容，缺陷检测系统为安装于计算机内的缺陷检测软件；缺陷检测系统通过对高度图进行模板匹配，对电容的类型进行识别，缺陷检测系统通过对深度图的点云进行三维重建，检测电容表面的凸包缺陷和凹陷缺陷；其特征在于，具体检测方法如下：
步骤A.图像数据采集：
将电容固定到运动控制系统；
运动控制系统转动电容；
图像采集系统在电容转动过程中采集电容表面的图像数据，获取电容表面的高度图及深度图；
图像采集系统对图像数据进行预处理并输出；
步骤B.创建电容表面编码模板；
步骤C.缺陷检测；
其中，步骤C包括：
电容类型检测：缺陷检测系统通过将获取的图像数据与电容表面编码模板进行匹配，检测电容类型，具体包括以下步骤：
获取图像数据：缺陷检测系统获取待检测电容的高度图；
模板匹配：缺陷检测系统通过将获取的图像数据与电容表面编码模板进行匹配，检测电容类型；
输出检测结果：若待检测的电容的图像数据与电容表面编码模板匹配，则进行包胶位置检测，不匹配，则输出检测结果并结束检测；
包胶位置检测；缺陷检测系统通过检测电容表面编码位置判定电容包胶是否合格；
电容表面缺陷检测:缺陷检测系统根据图像采集系统采集的图像数据检测电容表面的凸包缺陷和凹陷缺陷；
只有当电容类型检测合格，缺陷检测系统才进行包胶位置检测；只有当包胶位置检测合格，缺陷检测系统才进行电容表面缺陷检测。
2.根据权利要求1所述的基于机器视觉的电容缺陷检测方法，其特征在于，所述创建电容表面编码模板包括以下步骤：
获取标准图片；
选取电容表面编码的ROI区域；
制作基于形状的模板匹配的电容表面编码模板。
3.根据权利要求1所述的基于机器视觉的电容缺陷检测方法，其特征在于，所述包胶位置检测包括以下步骤：
检测电容表面编码模板的行坐标A；
测量待检测电容表面的编码的行坐标a；
将a与A进行对比；
输出检测结果：若a＞A+5，则判定电容包胶偏上；若a＜A-5，则判定电容包胶偏下；若A-5＜a＜A+5，则判定为合格。
4.根据权利要求1所述的基于机器视觉的电容缺陷检测方法，其特征在于，所述将电容固定到运动控制系统的步骤中，运动控制系统固定的是待检测电容的电极。
5.根据权利要求1所述的基于机器视觉的电容缺陷检测方法，其特征在于，所述图像采集系统对图像数据进行预处理包括以下步骤：
使用深度图像重建点云数据；
点云滤波平滑；
点云分割；
保存点云模型。
6.根据权利要求1所述的基于机器视觉的电容缺陷检测方法，其特征在于，所述电容表面缺陷检测包括以下步骤：
设置缺陷公差d；
读取点云模型；
获取点云高度坐标数组；
计算点云高度坐标数组最大值H1、最小值H2和均值H；
将最大值H1和最小值H2与均值H进行对比；
输出检测结果：若H1＞H+d，则判定为凸包缺陷；若H2＜H-d，则判定为凹陷缺陷，其他，则判定为合格。
7.根据权利要求6所述的基于机器视觉的电容缺陷检测方法，其特征在于，所述电容表面缺陷检测还包括标识缺陷的步骤，在本步骤中，凸包缺陷在图像中用红色标识，凹陷缺陷在图像中用黄色标识。
CN202010567376.6A 2020-06-19 2020-06-19 一种基于机器视觉的电容缺陷检测方法 Active CN111709940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010567376.6A CN111709940B (zh) 2020-06-19 2020-06-19 一种基于机器视觉的电容缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010567376.6A CN111709940B (zh) 2020-06-19 2020-06-19 一种基于机器视觉的电容缺陷检测方法

Publications (2)

Publication Number Publication Date
CN111709940A CN111709940A (zh) 2020-09-25
CN111709940B true CN111709940B (zh) 2023-06-27

Family

ID=72541844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010567376.6A Active CN111709940B (zh) 2020-06-19 2020-06-19 一种基于机器视觉的电容缺陷检测方法

Country Status (1)

Country Link
CN (1) CN111709940B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114324038A (zh) * 2021-09-26 2022-04-12 中国海洋石油集团有限公司 一种冲蚀测量系统及其检测方法
CN115880285B (zh) * 2023-02-07 2023-05-12 南通南铭电子有限公司 一种铝电解电容器引出线异常识别方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103814306A (zh) * 2011-06-24 2014-05-21 索弗特凯耐提克软件公司 深度测量质量增强
CN105548208A (zh) * 2016-02-05 2016-05-04 湖北工业大学 一种基于机器视觉的陶瓷阀芯表面缺陷检测方法
WO2018191698A1 (en) * 2017-04-13 2018-10-18 Instrumental, Inc. Method for predicting defects in assembly units
CN109447941A (zh) * 2018-09-07 2019-03-08 广州大学 一种激光软钎焊系统焊接过程中自动配准及质量检测方法
CN208986088U (zh) * 2018-09-04 2019-06-14 东莞泓宇智能装备有限公司 一种可自动检测标记的锂离子电池制片机
CN209296551U (zh) * 2018-12-14 2019-08-23 杭州重力脚轮科技有限公司 脚轮包胶牢度检测装置
CN110702035A (zh) * 2019-10-25 2020-01-17 四川大学青岛研究院 一种基于面结构光的家电喷涂质量检测系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103814306A (zh) * 2011-06-24 2014-05-21 索弗特凯耐提克软件公司 深度测量质量增强
CN105548208A (zh) * 2016-02-05 2016-05-04 湖北工业大学 一种基于机器视觉的陶瓷阀芯表面缺陷检测方法
WO2018191698A1 (en) * 2017-04-13 2018-10-18 Instrumental, Inc. Method for predicting defects in assembly units
CN208986088U (zh) * 2018-09-04 2019-06-14 东莞泓宇智能装备有限公司 一种可自动检测标记的锂离子电池制片机
CN109447941A (zh) * 2018-09-07 2019-03-08 广州大学 一种激光软钎焊系统焊接过程中自动配准及质量检测方法
CN209296551U (zh) * 2018-12-14 2019-08-23 杭州重力脚轮科技有限公司 脚轮包胶牢度检测装置
CN110702035A (zh) * 2019-10-25 2020-01-17 四川大学青岛研究院 一种基于面结构光的家电喷涂质量检测系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于图像处理的电容器外观缺陷检测系统研究与开发";苏朝阳;《中国优秀硕士学位论文全文数据库》(第2期);全文 *

Also Published As

Publication number Publication date
CN111709940A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN111709940B (zh) 一种基于机器视觉的电容缺陷检测方法
CN109974582B (zh) 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法
JP5282614B2 (ja) 視覚認識処理用のモデルデータの登録方法および視覚センサ
KR101404188B1 (ko) 3차원 터널 모델 생성을 위한 옵토-레이저 터널 스캐닝 시스템 및 그 데이터 처리 방법
CN106903553A (zh) 微径铣刀磨损检测系统及方法
CN103217122A (zh) 一种汽车铝合金轮毂成品在线尺寸测量方法及装置
CN109211110A (zh) 一种基于机器视觉的平板类工件尺寸检测系统及方法
CN111551565A (zh) 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法
CN114034704A (zh) 一种基于多源数据融合的废旧轧辊三维检测装置及方法
JP2010234451A (ja) ワーク加工方法、マシニングセンタ
CN109141286B (zh) 一种基于机器视觉和旋合模型的螺纹通止检测方法及系统
CN114283139A (zh) 一种基于面阵结构光3d视觉的焊缝检测分割方法及装置
CN107228633B (zh) 测量电梯层门形变量的方法
CN115661045A (zh) 汽车轮胎的质量3d视觉全息检测方法、装置、设备及介质
CN112233683B (zh) 一种汽车电动后视镜异响检测方法及检测系统
CN111497690B (zh) 一种用于接触网分段、分相绝缘器的检测系统
CN113702384A (zh) 一种回转构件表面缺陷检测装置、检测方法及标定方法
CN111812120A (zh) 一种翻转式的镜片缺陷检测装置和方法
CN111497689A (zh) 车载接触网分段分相绝缘器自动巡检装置
CN115908304A (zh) 汽车轮胎胎面花纹缺陷检测系统和方法
CN208438057U (zh) 一种用于数控车削加工的刀具磨损视诊装置
CN115963113A (zh) 工件胶槽涂胶检测方法和系统
CN116164648A (zh) 一种bdu汽车线束连接器端子自动检测方法
CN208066952U (zh) 一种y型轧机连轧对中及孔型检测系统
CN110030929A (zh) 一种基于五轴的3d测量系统及其测量方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant